Kto powiedział, że granie w gry to strata czasu? Możliwe, że z doświadczenia strategicznego graczy wkrótce skorzystają roje wojskowych robotów

Amerykańska wojskowa Agencja Zaawansowanych Projektów Badawczych w Obszarze Obronności (DARPA) przyznała 316 tysięcy dolarów grantu Uniwersytetowi w Buffalo nad badania nad mózgami graczy.

Brzmi dziwacznie? Już tłumaczymy. Zespół pod kierownictwem Soumy Chowdhury’ego opracowuje algorytm, który pozwoli dronom i robotom współpracować w wielkich grupach. Aby poprawić ich umiejętności strategiczne, badacze postanowili poprosić o pomoc graczy.

„Ludzie są w stanie opracować unikalne strategie, na które sztuczna inteligencja może nigdy nie wpaść. Dużo jest hałasu wokół zastosowań SI w środowiskach, które są raczej z góry określone. Ale jeśli chodzi o rozumowanie kontekstowe w rzeczywistych warunkach – tu ciągle jesteśmy w powijakach” – mówi Chowdhury serwisowi Digital Trends.

Rozproszyć inteligencję

W centrum badań Chowdhury’ego jest inteligencja rozproszona. Koncept znany od lat 80. XX wieku zakłada współpracę wielu autonomicznych jednostek, bez centralnego sterowania i bez odgórnie zdefiniowanego planu. Jednostki – czy to zwierzęta (np. mrówki), czy roboty, czy wreszcie elementy wirtualnej symulacji – są samodzielne i współuczestniczą w zdecentralizowanym procesie decyzyjnym.

To teraz gorący temat. Okazuje się, że jest wiele zastosowań, w których zamiast jednego robota za milion dolarów lepiej sprawdzi się duży rój prostszych, tańszych robotów” – tłumaczy Chowdhury w portalu Digital Trends.

Jak zauważa, niektórzy badacze starają się zaimplementować inteligencję rozproszoną, programując role każdej jednostki z osobna. Porównuje to do szkolenia grupy tanecznej – każdego tancerza indywidualnie – by wspólnie wykonali trudny układ. Efekt będzie sprawiał wrażenie współpracy, a w rzeczywistości będzie po prostu sumą działań tancerzy, z których każdy wykonuje własny układ.

Zastosowanie uczenia maszynowego – twierdzi Chowdhury – pozwoli na zmianę tego modelu i faktyczną współpracę autonomicznych jednostek w ramach zorganizowanego kolektywu. Jednak szkolenie modeli uczenia maszynowego jest pracochłonne i pożera mnóstwo energii. A wyobraźmy sobie, że musimy je powtórzyć 250 razy.

Gracz królikiem doświadczalnym

Tu na scenę wchodzą gracze. Zespół Chowdhury’ego zamierza obserwować ich działania podczas gry i poznać wzorce ich zachowań w różnych sytuacjach, a następnie zastosować je do dostrojenia częściowo gotowych modeli zachowania robotów. Tam metoda ma nawet dziesięciokrotnie przyspieszyć proces szkolenia robotów.

Chowdhury dla Digital Trends: „Wcześniej [zanim zaangażowaliśmy graczy] wyuczenie modelu wymagałoby przeprowadzenia 10 tysięcy symulacji. Teraz potrzebujemy może tysiąca, a rezultat dostroimy za pomocą danych pozyskanych od ludzi”.

Wszystko bazuje na założeniu, że na podstawie obserwacji rozgrywki uda się określić, jakie wydarzenia i sytuacje w grze przekładają się na konkretne decyzje natury strategicznej.

Jest wiele zastosowań, w których zamiast jednego robota za milion dolarów lepiej sprawdzi się duży rój prostszych, tańszych robotów

Jak naukowcy chcą pozyskać te dane? Specjalnie na potrzeby projektu powstała gra komputerowa. To prosta strategia czasu rzeczywistego. Nie ma nazwy, ale przypomina istniejące gry, jak StarCraft.

Zadaniem gracza jest mądre wykorzystanie zasobów do budowania jednostek bojowych, a następnie sterowanie tymi jednostkami w celu pokonania przeciwników. Ukończenie jednej rundy trwa od 5 do 10 minut.

Do współpracy przy projekcie zaproszono ok. 25 graczy. Każdy z nich w czasie rozgrywki jest podłączony do EEG, które na bieżąco analizuje aktywność mózgu. Równocześnie superczuła kamera śledzi ruchy oka i dokładnie wychwytuje to, jak reaguje na to, co dzieje się w grze. Chowdhury szacuje, że jeśli każdy z graczy włączonych do projektu rozegra sześć, siedem rund, naukowcy będą mieli wystarczającą ilość danych.

Docelowo algorytm ma umożliwić współpracę nawet 250 autonomicznych jednostek na ziemi i w powietrzu. Czy to się uda? Projekt jest w toku. Na rezultaty tej fazy projektu poczekamy jeszcze co najmniej kilka miesięcy.

Pozostaje nam mieć nadzieję, że finansowanie ze strony DARPA niekoniecznie oznacza, że wypracowane w projekcie rozwiązania zasilą armię autonomicznych dronów-zabójców, a zamiast tego ułatwią choćby poszukiwanie ofiar w trudnych warunkach, np. po klęskach żywiołowych.

Skip to content